生物医学工程 | EEG分析 - 简介

Neural Time Series Data类型

EEG（electroencephalogram）通过电场变换测量

scalp EEG：非入侵式的，类似在脑袋上面带个帽子

iEEG｜intracranial EEG：开颅的，入侵式的

stereotactic EEG / depth electrode：嵌入大脑组织，深入大脑

ECoG｜electrocorticogram：在大脑皮层（cortex）表面的

MEG｜magnetoencephalogram：通过磁场变化测量

fMRI/PET：通过血流变化测量，通常使用BLOD

LFP｜local field potential

spike｜single unit

EEG的特点

优缺点

优点

EEG时间分辨率高，尤其适合研究Cognitive, perceptual, linguistic, emotional, 和motor processes 这些发生速度超快的神经活动。
EEG或者MEG可以直接反应大脑皮层的神经活动
可以测得多维度数据：时间，空间等等

缺点

EEG不适合研究深入大脑的部分
EEG不适合研究需要定位准确的研究
EEG不适合需要极高时间精度的研究，因为每秒钟大脑状态都不太一样

检测60Hz以上的高频活动，用MEG比用EEG更好

单位

通常EEG的单位是volt，一般是 $mV$ 或者 $\mu V$ 。

通常MEG的单位是tesla，一般是fT，也就是 $10^{-15}$

Oscillation in EEG

名称	频率范围（Hz）	备注
Delta	<4	- Non-REM sleep - 儿童 - continuous- attention tasks
Theta	4-8	- 幼儿常见 - 成年人和青少年昏昏欲睡drownsiness或者怠工idling的时候 - 尝试压制本能反应时 - 第一阶段睡眠
Alpha	8-12	- 放松的时候 - 闭着眼睛的时候 - 大脑不同区域远距离通讯
Mu (SMR)	8-13	- 又叫做sensorimotor rhythm (SMR) - 自闭症autism - rest-state motor neurons
Sigma	12-16	- Non-REM sleep → memory consolidation
Beta	15-30	- 思维活跃的时候：如注意力集中，高度警惕，焦虑不安
Low Gamma	30-80	- 多感知multi-sensory，意识 - 短时间记忆
High Gamma	80-150	- emotion
Ripples	80-250	- 属于HFO（high- frequency oscillations） - 多和疾病有关，如癫痫
Fast Ripples	250-500	- 属于HFO（high- frequency oscillations） - 多和疾病有关，如癫痫

注意：貌似学术界对不同类型的freq范围没有统一的规定，不同的文献说法各不相同

ERP vs Time-Frequency Based Approach

ERP

ERP是"Event-Related Potentials"（事件相关电位）的缩写

ERP通过将多个重复事件的EEG信号取平均，以消除与事件无关的噪声。最典型的案例是P300，即人脑看到令他惊讶的事情后300ms的时候会产生一个正向的波

需要注意的是，time-locked 但non-phase-locked的活动在经过ERP平均之后会导致信息丢失。如下图所示：第二列通过ERP求平均得到的幅度值会由于不同trial正负叠加而逐渐消失，但是如果计算power得到的则可以明显的观察到频率的增长

Time-Frequency Based Approach

Time-Frequency Based Approach通常可以帮助我们获得关于oscillation的信息

Topographical Localization

Topographical通常显示了电极的位置，如下图

10-20 system

10-20 system是EEG电极摆放位置的国际标准。10，20指的是相邻电极之间的距离是颅骨前后或左右总距离的 10% 或 20%，参考下图

电极的数量（也称为通道数channel number）有16、32、64、128等。医疗上一般优先选择32通道，因为32通道是能够可靠定位信号源的最少通道数，而电极数目多了会增加成本和噪声干扰等。

10-20的概念示意图

电极摆放位置示意图

Time-frequency Result

A）频率切片：以频率为横坐标，纵坐标可以为功率等等B）时间切片：以时间为横坐标，纵坐标可以为功率等等C）空间切片：以空间x和y为横纵坐标，用topography 的颜色深浅来表示第三坐标，反应power等参数的大小D）频率-时间：以时间为横坐标，以频率为纵坐标，用topography 的颜色深浅来表示第三坐标，反应power等参数的大小

优秀的参考材料

《Analyzing Neural Time Series Data》

cohen的课程录屏：https://mikexcohen.com/lectures.html

cohen课本的matlab代码：https://github.com/mikexcohen/AnalyzingNeuralTimeSeries

cohen课本的python代码翻译：https://github.com/lyndond/Analyzing_Neural_Time_Series/tree/master/notebooks

《Neural Data Science》基于python：https://neuraldatascience.io/intro.html

其他推荐的一些参考书：https://zhuanlan.zhihu.com/p/521485505

声明：此blog内容为上课笔记，仅为分享使用。部分图片和内容取材于课本、老师课件、网络。如果有侵权，请联系aursus.blog@gmail.com删除。